回复3楼:老黄急了呗。 就跟中美之间的造舰竞赛一样， 美国最新型的驱逐舰还在PPT阶段， 就已经大大落后于中国已经下水入列的驱逐舰了。
-
现在问题就是如果老黄继续以之前的节奏开发芯片， 等他的最新型号正式拿出来， 就已经落后华为的芯片了。 所以， 他不得不把尚在设计阶段的东西拿出来应急。
-
这就等于告诉世界，华为已经超越了。 而且速度比nVidia快，老美根本赶不上。

 回复1楼:什么叫中国“跟上”？？
在这次AI革命中，中国是引领者之一！ 是美国和世界需要跟上中国的脚步。

 回复7楼:弯弯这么下贱？

我缺这个嘛？！我缺的是机器佣人，都2024了，家用机器人还是一堆弱智。

 回复26楼:而且你要知道，现在本身就是数字社会，大部分的训练数据本身就是数字的，并不需要从模拟转化成数字。那些光电二极管矩阵本质就是用更物理的方式再现数字的神经网络，在数学本质上其实是基本相同的，在某些特定的领域会有更高的效率。现在没有人了解大脑的具体的运行机制，不知道所谓模拟是大脑神经元的实现方式这个说法从哪来的。

 回复26楼:最关键的是“光电二极管转换成了纯模拟电信号在模拟领域进行的神经元的行为模拟”， 你如果知道机器学习，你这段就是最基本的FFNN的描述，一般都是用数字方式来表达和计算（论文的图1也有说明）。而FFNN只是现在人工智能里面最最基础的一个结构，虽然重要，但是他只是大型模型的很小一个部分。 就拿里面的例子说吧，里面用来处理的是MNIST 数据集，有几万张黑白数字图。你如果需要处理更复杂的彩色图集，就必须要重新设计制造那个electronic analog computing (EAC)来增加里面的光电二极管阵列数。而数字的模型只是几行代码，更改模型参数就可以解决了。更不要说除了基本的FFNN，还有更多需要考虑的计算和结构问题需要解决。

 回复23楼:无所谓的“用模拟的方式来实现数字神经网络”，因为模拟才是人脑里神经元真正的实现方式。那篇文章加了前几级的光学衍射层是因为它要处理的是光学信号也就顺便多加了几层进行特征识别，但后面是用光电二极管转换成了纯模拟电信号在模拟领域进行的神经元的行为模拟，所以它不像传统的需先将光信号转换成模拟电信号，然后再通过模数转换到数字与进行传统的数字神经网络处理。撇开其前端的光处理及光电转换（可把此看作人的眼睛），后面这种在纯模拟域的神经网络才更接近人脑的处理方式，它当然可以适用于建构大规模的神经网络芯片，并且它的功耗会极低速度也会快（因没有像数字多位且复杂的加减乘除及存取等）。

just upgraded HBM memory from HBM3 to HBM3e.

哈哈哈哈，美国鬼子的东西确实不错，值得国内科技公司学习，有了追赶方向，还怕超车不了？

 回复19楼:这个是用模拟的方式来实现数字神经网络，看它的实现方式本质上还是最基本的神经网络形式，不过它用的是模拟信号的diffractive optical computing module代替数字的神经网路的节点和激活函数。这种应用最大的问题就是通用性差，而且没有能力处理更复杂的模型结构，不排除将来可能会有通用性的模拟芯片，但在近期肯定不可能，这还差很远。 我知道通用大模型或生成式模型是AI的结构，GPU是用于计算这些模型的， 我要表达的是这些东西的基础，通用性。

 回复20楼:Whatever！🙄

别上当。
每次都是股价升过了才发消息。
等你买了股票，
就跌了下来。

 回复14楼:操，没看懂你回我干啥？我说东你非要说西，你咋不说造爱呐？

 回复17楼:我没细看那篇文章只扫了一遍，但文章中提到了是用的“all analog chip"，提到digital NN是说常规的做法。其实只要看起题目及报道中的性能数据也可以猜出来（我知道因我对这方面深层的专业知识较了解），因为如果是用的数字来进行计算及/或存储，它的能耗不可能会比现行最先进的同类产品少4百万倍，速度快3000倍。我上帖中就是强调这种实现方法才是AI芯片的未来，不管是用于光学识别（后面处理），还是通识的AI芯片。另，通用大模型或生成式模型，与GPU不是一类东西。不管是通用大模型还是生成式模型，这只是利用巨量的数据训练出来的一个AI模型 （可看成是软件），而GPU特别是为AI应用目的特出设计的GPU，只是可以用来训练或实现上述模型的硬件。

此评论已被删除或屏蔽，相关原因说明，请查看新闻评论公告

 回复9楼:都不知道你看懂这个文章没有， 这个是ACCEL (All-Analog Chip Combining Electronic and Light Computing)， 这个的主要用途是光学识别，就是高效处理光学信号，而且其中还有用到digital NN，也就是特殊用途的芯片加处理。这个离现在最热的通用大模型，生成式模型，还有通用GPU都扯不上边。
论文原文在这里;
https://www.nature.com/articles/s41586-023-06558-8

 回复6楼:人家是弯弯你是啥？全家快死光了才换回繁体字后悔不？现身说法警告下其他繁华狗早点用繁体不然死全家

 回复10楼:中国的人才都在往外跑。。。你不会是在说自己吧？噗，不好意思，我不想笑可实在憋不住

 回复13楼:tnnd谁给你在争辩H200?我说的是中国差距2-3代以内的显卡已作出来了，性能可以媲美的AI专用芯片也做出来了！
当然都会有进步，但现在实际情况是靠半导体工艺提升芯片性能的物理极限已经基本到头了，因为单原子的直径也就在0.1nm左右，到了1-2nm的工艺半导体器件的量子效应已非常显著了，体现在漏电、管子稳定性方面已经非常严重了。所以这反而给了中国追赶上的机会！

 回复12楼:做不出H200啊？您是弱智？对，就中国进步，外国都在原地踏步。如果满意了就这样吧。中国遥遥领先。欧美奋力追赶。OK？

 回复10楼:做不出啥？傻逼看不懂俺的中文？！只要你长了点脑子，眼睛没长在裤裆，就能知道、看到中国尽-30年来不管是经济还是科技、军事的巨大进步，还他奶奶的“留下的都是不懂政治的书呆子”！你是在捧中国人吗？🙄

 回复7楼:你开心就好，真的，看你这种人，真的有可笑又可恨，真不知道什么经历让你们如此扭曲，就好下能你们骂五毛，我觉得，你真这么不喜欢中国，滚蛋就是。

 回复9楼:说了半天不就是没造出来吗？技术优势为啥不在中国这边？因为中国吸引不了人才。中国的人才都在往外跑。留下的都是不懂政治的书呆子。

 回复5楼:有啥造不出来的？！只不过占了由于西方先发而获得的技术优势而已！中国在这方面虽仍落后，但也不过是两三代(而不是1-20年甚至有或没有）以内的差距，并且在AI专用芯片方面差距更小。
NVIDIA能在AI方面领先，是因为它的显卡的传统产品正好比比如CPU等更适合AI所需要的矩阵运算。现在NVIDIA在其显卡基础上增加芯片性能的办法主要应该是利用最新工艺、增加规模以及尽量从系统上减小信息的存取速度等，但一是现在硅基的半导体工艺基本已到物理极限，二是这种由于数字计算架构的限制，这种芯片随着规模的增加能耗会非常的大。很难想象将来具有通识性人工智能的机器人会背个大电池头顶个大风扇。
真正的未来的AI芯片应该是不管是算法还是物理实现都尽量贴近人脑，这方面中国也已有了突破：
China Unveils Groundbreaking All-Analog Photoelectronic Chip
中国推出突破性全模拟光电芯片
11/05/2023
https://www.msn.com/en-us/news/technology/china-unveils-groundbreaking-all-analog-photoelectronic-chip/ar-AA1jpjtK?ocid=msedgntp&cvid=26b6ea245b6041ed94999b8c483dfbb3&ei=17
对 ACCEL 进行的测试证明了其卓越的功能。 该芯片可以准确地识别和分类物体，其精度可与数字神经网络相媲美。 此外，在处理日常场景的高分辨率图像时，ACCEL 的运行速度比顶级图形处理单元 (GPU) 快 3,000 多倍，消耗的能源却少了 4,000,000 倍。 能源效率和处理速度的显着飞跃使 ACCEL 成为人工智能和图像处理领域的游戏规则改变者。

 回复2楼:中国官媒都是越打压越好，好自力更生发展。你这五毛有点不听话。

關強國屁事，以後強國電動車都死了，無人駕駛以後是基本配置，這也是比亞迪一直貶低無人駕駛的原因。
居然還有人在意淫強國的未來，國運破了，至少需要三十年才能緩過來。當然了ccp超不過元朝

 回复5楼:人家是彎彎，大陸的根本沒這水平，大陸的就是炒股票的

 回复2楼:不打压中国也造不出来。因为有外行领导内行。另外，英伟达老板黄仁勋就是华人。中国不缺人才，但是你看现在，大佬们纷纷退休，称臣。人心惶惶。这样的环境能吸引人才留下吗？

好吧~~看你能卖多少.....

明年二季度才能发布的东西现在就在吹，实际上就是告诉拜登H100别禁了，我以后有更好的给你.也是告诉中国企业，别买华为910，以后你还能买到H100.

来自留园官方客户端

美国靠打压和华人暂时领先

遥遥领先~~
苏联就是赶不上第三次工业革命这趟车，沦为二流国家。
中国处在最关键的时候，跟上了就变成一流国家，跟不上就是第二个苏联。